Вештачката интелигенција во медицината – Интервју со Филип Трајковски, еден од победниците на Натпреварот за научна комуникација

Како дел од STREAM IT Менторската програма за научна комуникација беше организиран национален натпревар, на кој младите истражувачи ги претставија своите научни идеи пред поширока публика. Разговараме со Филип Трајковски од Универзитетот во Падова, кој го освои третото место со презентацијата „Може ли вештачката интелигенција да предвиди болест кога правилата постојано се менуваат?“.

За почеток, кажете ни нешто повеќе за себе – што студирате и што ве инспирираше да се одлучите за оваа област?

Во октомври, минатата година, ги завршив моите магистерски студии по биоинформатика на Универзитетот во Падова, а во моментов работам како инженер по машинско учење. Во текот на студиите најмногу се фокусирав на машинско учење, наука за податоци и нивната примена во биомедицински и здравствени истражувања. Она што најмногу ме привлече кон биоинформатиката е токму нејзината интердисциплинарност – спојот помеѓу биологија, медицина, вештачка интелигенција и анализа на податоци. Ми се допаѓа тоа што оваа област не е само теоретска, туку помага во решавање на многу клучни проблеми како што се развој на нови лекови, пренамена на лекови кои можат да бидат корисни и за други болести, откривање на генетска предиспозиција кон болести, персонализирано дијагностицирање и следење на текот на болеста, како и дизајн на клинички студии и анализа на добиените резултати.

За време на моето истражување за магистерскиот труд работев на проект поврзан со предвидување на прогресија на болест преку анализа на временски клинички податоци, симулација на реалистични сценарија на прогресија и креирање предиктивни модели за длабоко учење.

Што ве мотивираше да се пријавите на менторската програма и со какви очекувања влеговте во неа?

Ме мотивираше желбата да научам повеќе, но и да добијам насока од некој со повеќе искуство, особено во делот на истражување, презентација и јасно комуницирање на идеи. За мене менторската програма беше можност да излезам од класичната академска рамка и да стекнам поинаква перспектива за тоа како една тема може да се развие и објасни подобро, посигурно и поефективно. Често кога работиме на истражувачки теми сме фокусирани на техничкиот дел, но многу ретко имаме можност да научиме како таа работа да ја доближиме до пошироката публика. Токму тоа беше една од главните причини поради кои се пријавив.

Во програмата влегов со очекување дека ќе научам како подобро да структурирам и презентирам една комплексна тема, но и дека ќе стекнам ново знаење и вештини за научна комуникација. Искрено, не очекував дека искуството толку многу ќе ми влијае и во делот на самодоверба, јавен настап и начинот на кој размислувам за сопствената работа. Програмата ми помогна да сфатам дека добрата идеја има вредност само ако успееме да ја пренесеме јасно и разбирливо.

Како се роди идејата за темата што ја претставивте на натпреварот, и како изгледаше процесот на нејзино истражување и подготовка?

Идејата за темата произлезе директно од истражувањето на кое работев за време на моите магистерски студии по биоинформатика. Мојот магистерски труд беше фокусиран на примена на машинско учење и модели за анализа на временски серии од клинички податоци со цел предвидување на прогресијата на амиотрофична латерална склероза (АЛС) – ретка и комплексна невродегенеративна болест. Она што ме заинтересира кај оваа тема беше фактот што текот на болеста значително се разликува од пациент до пациент, што ја прави многу тешка за предвидување. Токму тука видов можност преку употребата на вештачка интелигенција да се истражи дали може подобро да се моделира и разбере прогресијата на болеста.

Истражувањето започна со работа на големи клинички бази на податоци што содржеа информации за пациенти следени низ подолг временски период – функционални вредности, лабораториски резултати, демографски податоци и различни медицински мерења. Еден од најпредизвикувачките делови беше самата подготовка на податоците, затоа што медицинските податоци често се нецелосни, неструктурирани и собрани во различни формати. Голем дел од процесот беше посветен на чистење, спојување и структурирање на податоците, како и анализа на тоа кои информации имаат најголемо значење за следење на прогресијата на болеста. Потоа работев на развој и споредба на повеќе модели за длабоко учење, како рекурентни невронски мрежи и Трансформер архитектури, кои беа тренирани да ја предвидуваат идната состојба на пациентите преку анализа на нивните претходни клинички податоци низ времето.

Особено интересен дел од истражувањето беше тоа што не се фокусирав само на предвидување на еден вкупен резултат, туку на моделирање на повеќе различни аспекти од функционалната состојба на пациентите одделно, со цел да се добие подетално разбирање на текот на болеста. Во текот на работата истражував и како моделите реагираат кога има промени во шаблоните на податоците и колку добро можат да се адаптираат на различни фази од болеста, како и на различни симулирани сценарија на прогресија на болеста. Целиот процес ми покажа колку е комплексна примената на вештачката интелигенција во медицината, но и колкав потенцијал има ова поле во иднина, не само за анализа на податоци, туку и за поддршка на истражувања, персонализирана медицина и подобро разбирање на сложени и ретки заболувања.

Кој беше најголемиот предизвик за време на подготовките, и колку менторската поддршка ви помогна да го надминете?

Најголемиот предизвик беше да се направи баланс помеѓу техничката длабочина и едноставноста на презентацијата. Кога долго работиш на одредена тема, лесно е да претпоставиш дека некои работи се „очигледни“, но всушност за публика што првпат се среќава со темата тие можат да бидат многу комплексни.

Менторската поддршка тука навистина ми помогна. Добив корисни совети околу структурата, јасноста и начинот на раскажување на приказната зад темата. Особено ми помогна тоа што менторите постојано нè поттикнуваа да размислуваме не само што сакаме да кажеме, туку и како тоа ќе биде доживеано од публиката. Тоа ми помогна да бидам посигурен во настапот и да ја направам презентацијата многу попристапна, сликовита и поинтересна.

Имаше ли некој совет, фидбек или момент од менторството што особено ви остана во сеќавање?

Еден од советите што најмногу ми остана во сеќавање беше дека научната комуникација не значи „поедноставување на науката“, туку нејзино приближување до луѓето. Тоа многу ми го смени начинот на размислување. Често имаме чувство дека ако една тема е сложена, мора и така да звучи, но всушност најголемата вредност е кога можеш нешто тешко да објасниш јасно и природно.

Покрај ова, многу ми значеше и охрабрувањето да бидам поавтентичен во презентацијата и да покажам личен интерес и ентузијазам кон темата. Мислам дека токму тоа ја прави разликата помеѓу технички добра презентација и презентација што навистина остава впечаток кај публиката.

Како ова искуство влијаеше врз вашите планови за иден академски и професионален развој?

Ова искуство дополнително ме мотивираше да продолжам со истражувачка работа и со теми што ги поврзуваат вештачката интелигенција и реалните општествени предизвици. Ми покажа дека покрај техничкото знаење, многу важни се и комуникацијата, презентацијата и способноста една идеја да се доближи до луѓето.

Во иднина би сакал да продолжам да работам на интердисциплинарни проекти, особено во области каде што машинското учење и анализата на податоци можат да имаат практична и општествена корист, вклучително и на проблеми кои ја засегаат медицината и човековото здравје. Дополнително, ова искуство ми даде поголема самодоверба за учество на идни конференции, натпревари и меѓународни програми каде што можам да продолжам да учам и да се развивам.

Што беше најинтересното нешто што го научивте за тоа како науката може да се доближи до пошироката публика?

Најинтересно ми беше сознанието дека луѓето многу полесно се поврзуваат со науката кога таа е претставена преку реални примери, човечки приказни и јасен контекст. Не е доволно само да се презентираат факти или бројки, важно е публиката да разбере зошто темата е важна и како влијае врз секојдневниот живот.

Исто така, сфатив дека визуелната комуникација и начинот на раскажување имаат огромна улога. Понекогаш една добра аналогија, добро визуелно решение или едноставно поставено прашање може да направи сложена научна тема да стане многу поблиска и поинтересна за луѓето. Научната комуникација, всушност, е мост меѓу знаењето и општеството, и токму тоа ми беше еден од највредните научени моменти.

Што би им порачале на младите кои се двоумат дали да се пријават на вакви програми и да излезат од својата комфорна зона?

Би им порачал дека токму надвор од комфорната зона се случува најголемиот раст. Мислам дека многу млади луѓе се двоумат затоа што сметаат дека не се „доволно подготвени“ или дека немаат доволно искуство, но ваквите програми постојат токму за да помогнат во тој процес на учење и развој.

За мене ова беше искуство што не ми донесе само нови знаења, туку и нови контакти, поголема самодоверба и многу поширока перспектива. Дури и ако на почетокот има неизвесност, искуството вреди многу затоа што те учи да веруваш повеќе во себе, да прифаќаш предизвици и да откриваш капацитети за кои можеби не си знаел/а дека ги имаш. Затоа би ги охрабрил сите млади да аплицираат, да пробуваат нови работи и да не се плашат да бидат амбициозни.

Оваа програма е дел од проектот ST(R)E(A)M IT, кој има за цел да иницира промени во однос на постојаните родови нееднаквости во STEM образованието, истражувањето и иновациите, со што ќе придонесе за спроведувањето на „Европскиот манифест за родово-инклузивно STE(A)M образование и кариери.“ Проектот има за цел да ги надмине бариерите и предизвиците со кои се соочуваат недоволно застапените групи во STEM. Фокусот е на развој на иновативни, родово и диверзитетно инклузивни алатки за едукација на младите, особено на девојчињата. Дополнително, проектот има за цел да ги мобилизира засегнатите страни од различни сектори на STEM образованието и екосистемот за истражување и иновации, за да создаде одржливи мрежи кои ќе обезбедат континуирана поддршка за STEM едукаторите.